关于springcloud openfeign core 3.3.0-M3 实现服务单元动态化指定服务名

关于springcloud openfeign core 3.3.0-M3 实现服务单元动态化指定服务名
首先感谢这篇文章:[Spring-cloud-openfeign3.0服务单元化动态指定服务名]
以及楼主点拨,之前没往哪想,总觉得这个新技术,Spring-cloud-openfeign3.0源码少了一个参数!

关于动态化指定服务名,起源是,因需要实现多个节点的互通,但是类似阿里 淘宝的节点 的 单元化架构。

因为节点类似,所以首先有共性了。但是他们又不是copy,所以有自己的特性。单纯的靠feign实现的负载均衡,已经不适用了,但是多节点时,又需要大量代码。那么有没有办法实现类似负载均衡,一样的方便性?

 答案:有的。

在大量节点时,我们的便捷就很重要了。所以引出了,openfeign动态化实现节点指定。

当你需要路由一个节点,但是你又不清楚,某时刻是那个节点。当传统的固定写法很繁琐,不适用后。动态化应运而生。

一个动态化的节点互通,尤其是有多级节点的情况下。极大减少代码量、方便了你的开发和后期节点变动的维护。不需要频繁的停机更新。
此处关于代码?有些不想写。我提到的文章里面代码已经有了,毕竟人家前辈已经写了。后面看想不想加进来。

想说的是,关于引入这个新的依赖,造成的冲突和依赖的引入。

1.引入: 你需要亲自去maven官网,仓库下载。手动奥!放入你的仓库,自己放,然后一些文件会自动生成,一个需要自己复制粘贴修改一下。
自动习惯了,手动都忘了,结果卡了半天,网 也不怎么好。

2.冲突: 引入必然和你的依赖相互冲突。此处,如果你是大佬请直接掠过。
冲突后,吧冲突的依赖先屏蔽掉,也就是这个引得依赖。然后看idea中(暂时只有这个,其他我不清楚)。依赖是什么,他所依赖的隐形依赖是哪个。
吧隐形依赖,复制出来。先放着!
然后吧冲突的依赖放开,看那里冲突。吧冲突的,部分,记下。
在原依赖里面吧冲突的部分屏闭掉,然后看还冲突不,后者报路径不存在。
那个就吧记下的,还有复制的。对比,将后面这个加入的依赖缺失的部分,单独引入。基本可以解决。
剩下的就是你自己的项目的问题了。

  1. 关于这个Spring-cloud-openfeign3.0源码有个bug,挺恼火的,因为少参数,导致我耽搁好几天,还是对这套流程不熟悉,导致出问题,开始找不到思路,
  2. 因为源码少个传参,导致动态无法确定目标,在这里停了两三天,甚至源码都研究了一天,发现少参数。
  3. 那么问题来了,少参数,怎么解决,》》》获取header,从这里面取,这下是不是豁然开朗?这后面就不写了。因为获取header他这个挺简单的,但是当时一时间没转过弯,主要是跟这个配合时没想到。参数有了,你在写写逻辑,实现一下哎,不就能动态确定你的目标了吗?
  4. 到这里基本就写完了。源码上面的文章有,自己的逻辑,需要你自己实现,我把遇到的坑给大家踩踩 ! 少走冤枉路。这是最好的,

提一句因为少个参数,就为这个,我加了两个配置类,两个工具类,也是够了。后面看开发团队改进不!
实际上我这里遇到这问题,主要还是因为zuul网关,引入springcloud starter openfeign 依赖,需要整合,cloud体系,网关,导致的。如果像前辈那种直接只是用的Spring-cloud-openfeign3.0,不用zuul网关这套体系,为团体应该没这么多,那套体系我没试,直接上的我这套体系,前辈的思路截鉴参考了!

如果有问题可以提问,看到会回答的 ,奥对了,因为这个技术还没整合到springcloud体系中,所以,按照前辈的引入方式会冲突,我自己的方式和前辈的简单方式都试了,我的暂时没有什么问题。

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: spark-3.3.0-bin-hadoop3.tgz和spark-3.3.0-bin-without-hadoop.tgz是Apache Spark开源项目提供的两种软件包。它们都是用于在分布式计算环境中进行大规模数据处理和分析的工具。 spark-3.3.0-bin-hadoop3.tgz包含了Apache Spark的二进制文件以及Hadoop分布式文件系统的依赖库。Hadoop是一个开源的分布式计算框架,它提供了分布式存储和处理大规模数据的能力。如果你计划在Hadoop集群上运行Spark应用程序,那么你应该选择这个软件包。 spark-3.3.0-bin-without-hadoop.tgz是一个独立的Spark软件包,没有包含Hadoop依赖库。如果你已经在你的系统上配置了Hadoop环境,或者你想在其他分布式文件系统上运行Spark应用程序,那么你可以选择这个软件包。 在选择软件包时,你应该根据你的需求和环境来决定。如果你已经有了Hadoop环境并且想在上面运行Spark应用程序,那么应该选择spark-3.3.0-bin-hadoop3.tgz。如果你只是想在单机或其他分布式文件系统上运行Spark应用程序,那么可以选择spark-3.3.0-bin-without-hadoop.tgz。 ### 回答2: spark-3.3.0-bin-hadoop3.tg和spark-3.3.0-bin-without-hadoop.tgz是Apache Spark的不同版本的压缩文件。 spark-3.3.0-bin-hadoop3.tg是包含了Apache Hadoop版本3.x的已编译的Apache Spark版本。Apache Spark是一个开源的分析引擎,用于处理大规模数据计算和分析。它支持并行处理,能够在大规模集群上进行分布式计算任务的执行。而Apache Hadoop是一个用于处理大数据的开源框架,它提供了分布式存储和计算的能力。因此,当使用spark-3.3.0-bin-hadoop3.tg时,可以方便地在与Hadoop版本3.x兼容的环境中使用Apache Spark,并且可以充分利用Hadoop的优势。 spark-3.3.0-bin-without-hadoop.tgz是不包含Apache Hadoop的已编译Apache Spark版本。这个版本适用于用户已经在集群中安装了独立的Hadoop环境,或者希望使用其他版本的Hadoop的情况。通过使用spark-3.3.0-bin-without-hadoop.tgz,用户可以自由选择与他们的Hadoop环境兼容的Spark版本,并且可以更容易地进行集成和调试。 总之,spark-3.3.0-bin-hadoop3.tg和spark-3.3.0-bin-without-hadoop.tgz是Apache Spark的不同版本的压缩文件,分别适用于已安装了Hadoop版本3.x的环境和希望使用其他版本Hadoop或已有独立Hadoop环境的用户。用户可以根据自己的需求选择对应的版本进行安装和使用。 ### 回答3: spark-3.3.0-bin-hadoop3.tg 和 spark-3.3.0-bin-without-hadoop.tgz 是两个版本的 Apache Spark 软件包。 spark-3.3.0-bin-hadoop3.tg 是一个含有 Hadoop 的 Apache Spark 软件包。Hadoop 是一个用于处理大规模数据的开源框架,它提供了分布式存储和计算的能力。这个软件包的目的是为了与 Hadoop 3.x 版本兼容,它包含了与 Hadoop 的集成以及针对分布式存储和计算的优化。如果你想要在已经安装了 Hadoop 3.x 的集群上使用 Apache Spark,这个软件包将是一个好的选择。 另一方面,spark-3.3.0-bin-without-hadoop.tgz 是一个不包含 Hadoop 的 Apache Spark 软件包。这个软件包主要用于那些已经在集群中运行了其他的大数据处理框架(如 Hadoop、Hive 等)的用户。如果你的集群已经配置好了其他的大数据处理框架,而且你只需要 Spark 的计算引擎,那么这个软件包会更加适合你。 无论你选择哪个软件包,它们都提供了 Apache Spark 的核心功能,例如分布式计算、内存计算、数据处理、机器学习等。你可以根据你的实际需求和环境选择合适的软件包进行安装和配置。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值